基于事件相机的 3D 重建综述
计算机视觉与模式识别
2025-12-23 v3 人工智能
摘要
事件相机正快速成为用于 3D 重建的强大视觉传感器，独特地能够异步捕获每个像素的亮度变化。与传统帧基相机相比，事件相机产生稀疏但时序密集的数据流，在高速运动、低照明和极端动态范围场景下仍能实现稳健且精确的 3D 重建。这些能力在自动驾驶、机器人、航空导航和沉浸式虚拟现实等多个领域展现出巨大的应用前景。本综述是首个专注于基于事件的 3D 重建的全面综述。现有方法根据输入模态分为立体、单目和多模态系统，进一步根据重建方法分类，包括几何基方法、深度学习方法以及神经渲染方法（如 Neural Radiance Fields（NeRF）和 3D 高斯渲染（3DGS））。在每个类别中，方法按时间顺序排列，以突出关键概念和进展的演变。此外，我们详细总结了专为事件基重建任务提供的公开数据集。最后，我们讨论了数据集可用性、标准化评估、有效表征以及动态场景重建等重大挑战，为未来研究指明了有见地的方向。本综述旨作为重要参考，为推动事件驱动 3D 重建技术的发展提供清晰且有说服力的路线图。
引用
@article{arxiv.2505.08438,
title = {A Survey of 3D Reconstruction with Event Cameras},
author = {Chuanzhi Xu and Haoxian Zhou and Langyi Chen and Haodong Chen and Zeke Zexi Hu and Zhicheng Lu and Ying Zhou and Vera Chung and Qiang Qu and Weidong Cai},
journal= {arXiv preprint arXiv:2505.08438},
year = {2025}
}
备注
This survey has been accepted for publication in the Computational Visual Media Journal